农机液压系统故障诊断专家系统的研究

根据液压系统的故障特点,应用人工智能专家系统原理和面向对象的设计方法,用Ｂｏｒ－ｌａｎｄＣ＋＋语言在计算机上开发了农机液压系统故障诊断专家系统——ＡＭＨＳＴＥＳ,它解决了故障诊断专家供不应求的矛盾。该系统采用了“规则＋故障树”的知识表示方法,交互式知识获取形式,正向推理策略和不精确推理的ＣＦ模型,并备有诊断过程解释功能。能大大地提高液压系统故障诊断的效率和准确率,是专家系统用于农机液压系统故障诊断的一次有益的尝试     

基于权重自动调整神经网络的水稻病虫害诊断专家系统

针对水稻病虫害诊断特点，从人工智能角度出发，提出了一种基于权重自动调整的神经网络水稻病虫害的知识组织方式。文章以15种常见水稻病虫害为例，通过对病虫害症状的特点和特征进行分类、抽象和编码，构建了基于权重自动调整的BP神经网络。利用神经网络和不确定性推理技术，对实例样本进行训练学习，并将权值数据作为知识库来进行诊断，并基于这种方法构建了水稻病虫害神经网络诊断专家系统。     

基于人工神经网络的联合收割机变速箱计算机辅助设计

针对自走式联合收割机变速箱优化设计中存在计算量大、图表多等问题,提出了一种新的神经网络学习算法,相对于其他学习算法,该算法侧重于网络参数的调整,通过对样本集的模糊推理、调整和分类学习来实现自适应的神经网络学习。通过BP网络的学习和训练,采用单输入双输出的1-8-2结构、1-6-2结构、1-4-2结构进行训练,从实际的应用效果来看,选择1-6-2的ＢＰ网络结构作为最终的神经网络形式,网络的识别精度是非常高的。结果表明,该算法能运用神经网络对联合收割机变速箱进行了设计研究,建立数学描述形式,分析了通过神经网络来实现变速箱设计模型构建的方法。研究表明,应用神经网络构建的模型能够减少系统的分析次数,并能够很大程度的提高模型的精度,满足计算要求,最终在设计空间内寻找出较好的设计方案。     

农业病虫害预测预报专家系统平台的开发

详细介绍了农业病虫害预测预报专家系统平台的设计与开发，包括系统的整体结构与功能设计、系统知识库的设计与知识组织模型、系统各功能模块的设计及系统的特点等。系统主要由专家知识库、系统推理机、预测预报模块、知识库管理模块、案例库管理模块和预测结果解释模块等构成，以数据库形式来存放有关的专家知识，共定义10个数据表，各表间形成了特定的关联关系，使得表中所包含的有关知识描述、特征临界值、生成的判别条件及发生等级间构成一种网状模型。系统采用了基于专家知识的前向型推理与基于案例的推理(Case-Based Reasoning, CBR)相结合的方式进行预测推理。各模块的用户界面采用“向导”或其它提示方式引导用户完成专家知识库的维护、用户数据输入、推理确认、病虫害预测预报结果显示、案例库管理(包括案例确认、补充信息及案例统计)及预测结果解释等操作。系统具有开放、自学习、易操作等特性，可广泛应用于农业、林业等病虫害预测预报专家系统的构建。     

基于JESS的BS模式交互式专家系统外壳的设计与实现

本文在分析JESS语言工作原理的基础上,针对Browse/Server模式下交互式专家系统设计难的问题,运用JESS语言的输入/输出重新定位技术、JAVA多线程管道通讯技术、Servlet技术设计了一套BS模式下交互式专家系统外壳程序,该系统外壳能将所有命令提示符下的专家系统,不作任何修改地在Internet上通过网页方式实现。本文给出了该外壳程序的设计原理以及关键代码。     

“面向对象的冬小麦产量预测专家系统（OOWFE）”的研究

对面对象的冬小麦产量预测专家系统（简称“ＯＯＷＦＥ”）,采用面向对象的程序设计语言（Ｃ＾＋＋）,所有因子的描述采用知识类型－原型类存储,将涉及产量因素的专家知识分类,规约成统计型、指标型和经验型三类知识原型,经过系统推理机制自动推理。形成冬小麦产量预测专家系统。该系统在与用户交互中实现专家系统的功能,系统预测准确率可达９０％。     

基于模糊神经网络的葡萄病害诊断系统研究

针对传统专家系统自学能力差的特点，以实现基于Web的智能葡萄病害诊断系统为目标，研究了26种葡萄常见病害模糊隶属度的表示方法及模糊BP神经网络模型，采用Java与Matlab混合编程方法实现了该系统的葡萄病害诊断功能。试验结果表明，该系统病害诊断正确率达90.9％，且能在Web上运行，便于推广和使用。     

啤酒污染微生物控制专家系统的设计与开发

专家系统是人工智能技术的一个重要的应用领域。该文首次将专家系统应用于啤酒污染微生物控制领域之中，详细介绍了啤酒污染微生物控制专家系统的设计和开发，包括对啤酒及污染微生物相关知识和实验技术知识，并对它们进行信息化处理和加工。啤酒污染微生物控制专家系统(beer-spoilage microorganism control expert system, BSMCES)是应用专家系统的基本原理，利用Apache+PHP+MySQL作为开发平台，设计并实现了啤酒污染微生物控制专家系统。该系统可以实现信息咨询、污染控制、决策支持、技术服务等功能。     

空气悬架系统动态载荷的识别

针对空气悬架系统主动控制中神经辨识器的离线训练问题,利用BP神经网络实现从空气悬架系统非簧载质量振动加速度空间到其动态载荷空间的映射。建立带有空气悬架系统的1/4工程车辆动态模型,通过仿真得出了工程车辆空气悬架系统的非簧载质量振动加速度和动态载荷数据,以空气悬架系统的非簧载质量振动加速度数据作为神经网络的输入,动态载荷数据作为神经网络的输出,训练BP神经网络,并对训练好的BP神经网络进行泛化能力的测试,路面输入采用幅值为0.01 m,频率为1 rad/s正弦波时,识别误差率在30%以内的点占总数的82.95%;以幅值为0.02 m,频率为2 rad/s的正弦波作为系统的路面输入,识别误差率在30%以内的点占总数的77.94%。结果表明BP神经网络能够对不同的路面输入具有较好的适应性。     

土壤分类专家系统设计

土壤系统分类以定量化指标划分土壤类型,为土壤自动分类系统的建立提供了可能.为了模仿专家的思维过程实现土壤自动分类,该文着重研究了如何采用面向对象的方法表达专家经验规则、诊断层和诊断特性知识,在此基础上提出了土壤分类决策树的构造方式和推理方法;并从土壤系统分类专家的知识表示和推理机的构建两个方面,提出了土壤分类专家系统 (SCES)的体系结构.GIS作为管理空间信息和提供空间分析方法的平台,也被有效地集成到系统中,以实现土壤自动分类的目的.     

作物氮素营养诊断方法的研究现状及进展

根据作物氮素营养诊断方法的发展,总结分析了作物氮素营养诊断中各种方法的优缺点,提出将无损快速诊断技术与传统诊断技术结合将是今后氮素营养诊断的发展趋势。在测土配方施肥中应加强推广植株氮素诊断的方法和技术,提高测土配方施肥的准确性,建立各种不同作物氮素营养诊断的综合指标体系。     

植物离子组学研究进展

【目的】植物离子组学是研究植物体内无机元素组成的一门综合学科。通过现代高通量的元素分析手段 (如ICP-MS),结合生物信息学、功能基因组学、数理统计学等手段研究植物吸收、养分元素积累和重金属污染物的机理及遗传学与分子生物学机制,是植物营养与环境生物学研究领域的新方向。因此,了解植物离子组学的研究方法及其应用方向对于拓展人们对植物和生态系统中元素循环机制的认识,调控植物元素循环等方面具有重大的意义。主要进展本文就近年来关于离子组学领域的研究成果,首先介绍了离子组和离子组学的概念;然后总结了离子组学的发展历程和目前从事相关研究的机构及其各自研究方向;并对离子组数据的转化和分析方法进行阐述;最后重点综述了离子组学的应用,包括从生态学角度探索生态系统中元素间的多重平衡;植物离子组与环境驱动因子、食品安全和超积累植物筛选间的关系;植物离子组结合基因组学对矿质元素吸收转运机制的探索。展望1) 从植物营养和食品安全角度出发,对粮食作物、经济作物和果树等进行离子组学研究;2) 从系统生物学或元素的生物地球化学循环角度对元素在土壤–微生物–植物、生产者–消费者–分解者等系统中的流动循环进行研究;3) 从学科交叉的角度来研究离子组学与基因组学、蛋白组学及代谢组学的相互关系。     

双推理核山羊疾病诊断专家系统

专家系统在动植物疾病虫害诊断领域得到了广泛应用。为辅助兽医求解当地主要经济动物山羊疾病诊断治疗问题,建模山羊疾病诊断专家系统体系架构,提出双推理机核的推理机制,设计重权关联因子可信度预测推理和支持机器学习的贝叶斯（Bayesian）推理算法,构造原型系统,开展现场试验。试验结果表明：双推理机核推理诊断同传统单一推理机制相比,显著改善了准确度,提高知识库利用率,求解模型的综合准确率达到了90%,填补了对比度空白,获得满意的效果。     

Estimation of Sunflower Seed Yield Using Partial Least Squares Regression and Artificial Neural Network Models

Statistical models can efficiently establish the relationships between crop growth and environmental conditions while explicitly quantifying uncertainties. This study aimed to test the efficiency of statistical models established using partial least squares regression(PLSR) and artificial neural network(ANN) in predicting seed yields of sunflower(Helianthus annuus). Two-year field trial data on sunflower growth under different salinity levels and nitrogen(N) application rates in the Yichang Experimental Station in Hetao Irrigation District, Inner Mongolia, China, were used to calibrate and validate the statistical models. The variable importance in projection score was calculated in order to select the sensitive crop indices for seed yield prediction. We found that when the most sensitive indices were used as inputs for seed yield estimation, the PLSR could attain a comparable accuracy(root mean square error(RMSE) = 0.93 t ha-1, coefficient of determination(R~2) = 0.69) to that when using all measured indices(RMSE = 0.81 t ha-1,R~2= 0.77). The ANN model outperformed the PLSR for yield prediction with different combinations of inputs of both microplots and field data. The results indicated that sunflower seed yield could be reasonably estimated by using a small number of crop characteristic indices under complex environmental conditions and management options(e.g., saline soils and N application). Since leaf area index and plant height were found to be the most sensitive crop indices for sunflower seed yield prediction, remotely sensed data and the ANN model may be joined for regional crop yield simulation.     

专家系统及其在农业上的应用与发展

农业专家系统是运用人工智能系统技术,使用计算机来模拟专家的思维,代替农业专家进行诊断、决策与规划的一个研究领域。本文阐述了国内外农业专家系统的发展概况、在农业上的应用情况,结合信息技术发展,提出了我国农业专家系统的发展趋势。     

不同形式的光谱参量对春玉米氮素营养诊断的比较

选择适宜的光谱参量,对利用光谱技术进行作物营养诊断精确度的提高是至关重要的。该文对单因素氮处理下春玉米（Zea may L.）不同层位叶片光谱反射率与氮含量作了相关分析,探讨了叶片水平上单波段光谱反射率（R）、单波段光谱反射率的对数（LgR）、双波段组合光谱反射率（R1+R2）、以及对数形式的双波段组合光谱反射率（LgR1+ LgR2）4种形式光谱参量对氮素营养诊断的可靠性。结果表明,第6片完全展开叶叶片光谱反射率与氮含量在可见光波段存在较高的负相关关系,以550和720 nm两波段组合的光谱参量（LgR550+LgR720和Lg(R550+R720)）建立的线性回归方程的拟合度最好;不同生育期应选择对养分盈亏敏感的叶片作为营养诊断的光谱监测目标,不同生育期叶片氮素营养的光谱敏感波段不同,应选择二者相关性高的波段,较为适宜的光谱参量形式与营养成分建立估算模型。研究表明,经对数处理后的光谱参量,无论是单波段还是双波段,拟合方程的精度都有不同程度的提高,且方程的稳定性也增强,说明对数形式的光谱参量提高了对氮素营养诊断的精确度。     

无人机搭载数码相机航拍进行小麦、玉米氮素营养诊断研究

精准施肥是减少农业面源污染的重要技术之一,而土壤养分测试与作物营养诊断是其实施的技术保障,特别是在农业规模化经营方式下,急需发展快速、经济、无损的作物氮素营养诊断技术。本文在应用数字图像进行冬小麦、夏玉米氮素营养诊断研究的基础上,将数码相机搭载到无人机上,利用无人机航拍技术采集作物冠层数字图像,研究不同航拍高度下冠层图像相关色彩参数反演冬小麦和夏玉米氮素营养状态的差异,以确定适宜的航拍高度与敏感的色彩参数,建立利用无人机航拍数字图像诊断冬小麦和夏玉米氮素营养状态模型。研究结果表明:在冬小麦拔节期适宜的航拍高度是16 m,敏感的色彩参数是可见光大气阻抗植被指数(VARI),诊断模型为:冬小麦茎基部硝酸盐浓度=2.103 4e18.874VARI;夏玉米大喇叭口期适宜的航拍高度是50 m,敏感色彩参数是蓝光标准化值[B/(R+G+B)],诊断模型为:夏玉米第1完全展开叶叶脉硝酸盐浓度=1.526?1032?[B/(R+G+B)]50.445。依据建立的航拍方法与诊断模型,分别对冬小麦、夏玉米进行了氮素状态监测的验证,结果表明诊断结果与冬小麦、夏玉米实测数据的决定系数分别为0.80和0.85,且均在P0.01水平显著相关。最后将研究结果进行应用,生成了冬小麦、夏玉米氮肥追肥作业图。利用无人机搭载数码相机对冬小麦、夏玉米进行氮素营养诊断简单、可行,但仍有一些技术细节需要完善,以提高该技术的实用性。     

EPIC模型中土壤氮磷运转和作物营养的数学模拟

土壤侵蚀和生产力影响估算模型EPIC是国际上较有影响的水土资源管理和作物生产力评价动力学模型。本文简要介绍了EPIC模型中描述土壤氮磷养分运转与作物氮磷营养的基本原理及其主要数学方程。在作物和土壤微生物等生物因素,热量、降水等气候因素,施肥、灌溉和土壤耕作等管理因素的影响下,农田土壤氮素和磷素不断发生空间运移和形态转化。EPIC模型能够逐日定量描述土壤中氮磷养分的矿化与固定、硝化与反硝化、淋洗与挥发、流失与吸收、矿质磷循环、豆科作物固氮等运移、转化及作物吸收过程的变化速率和数量,揭示出土壤剖面氮磷运移、转化和作物营养的动态变化规律,可供农田土壤管理和作物营养定量评价研究中借鉴。     

基于BP神经网络和概率神经网络的水稻图像氮素营养诊断

【目的】实现图像氮素营养诊断需要关键指标的确定和建立快速处理海量图像数据的模型。本研究筛选了水稻氮素营养诊断的敏感时期和部位,优化了图像处理技术参数,并比较了BP神经网络和概率神经网络两种建模方法对养分诊断的可靠性,为利用计算机视觉虚拟技术快速精准判断作物生长营养状况、反演生长过程提供思路和方法。【方法】本研究以超级杂交稻‘两优培九’为试验对象进行了田间试验。设置4个施氮(N)水平:0、210、300、390 kg/hm^2。在水稻幼穗分化期及齐穗期,扫描获取水稻顶一叶、顶二叶、顶三叶叶片、叶鞘图像数据,共1920组。通过图像处理技术,获取19项水稻特征指标。分别应用BP神经网络和概率神经网络对19项水稻特征指标进行水稻氮素营养诊断识别,并对诊断指标进行了优化和标准化。比较了两个建模方法的灵敏性。【结果】1)幼穗分化期水稻的整体识别准确率均高于齐穗期水稻的整体识别准确率;三个部位叶片的图像数据,以顶三叶最为可靠;2) BP神经网络对幼穗分化期及齐穗期水稻19项特征指标进行氮素营养诊断的整体识别准确率均高于概率神经网络。其中BP神经网络对幼穗分化期顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达90%。概率神经网络对幼穗分化期顶二叶、顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达82%。【结论】幼穗分化期水稻顶3叶叶片特征最具区分度,易于进行氮素营养诊断识别,可作为氮素营养诊断的有效时期和部位。叶片的6项RGB、HSI颜色空间分量组合最能体现其氮素营养状况。识别效果以BP神经网络好于概率神经网络方法,其整体识别准确率达90%。     

叶绿素仪在夏玉米氮营养诊断中的应用

叶绿素仪(SPAD-502)的出现使通过无损伤的田间速测对作物进行氮营养诊断成为可能。采用简单的试验和研究方法在田间条件下研究了叶绿素仪应用于夏玉米氮营养诊断的可行性。研究结果表明,应用叶绿素仪监测夏玉米氮营养状况的最佳测定部位为最上部完全展开叶的中部,该部位叶绿素仪测定值与作物全氮、施氮量及产量之间均有较好的相关性。由于作物品种对叶绿素测定影响很大,需要通过相对叶绿素仪读数的方法对其进行校正,校正后叶绿素仪对夏玉米追肥推荐中营养状况的预测精度为66.7%。